好运营要懂得一些常见的数学公式

数学分析是每个人都需要面对的工作，尤其是在用户和产品的操作中。就工作内容而言，数据配额的计算和数据指标的估计不仅要求我们关注行业的平均水平，还要求我们知道如何操作数学工具。在拥有数百名员工的公司中，数据分析很可能成为一个特定的标准职位，但这并不影响我们对传统数学工具在操作中的作用有更充分的了解。需要指出的是，计算只是数学的一个分支；在大多数情况下，我们会将耗时过多的数学操作交给软件处理，如工作中遇到的ecxel表格计算。在这里，由于篇幅和描述形式的限制，我只分享数学K值的分析和计算，并结合具体的应用案例或场景来提高我们对其操作的理解。1.什么是K值先回到我们的话题本身，什么是K值这个直接问题。K值，即K因子，是传染病学的概念。它的值取决于两个相乘系数——携带病毒的感染者数量和最终致病者数量。与我们的操作工作相对应，它具有直接的抽象意义。携带病毒的受感染者，即每分发一个push或视频图片覆盖的用户数量，最终患者数量可以对应于转换数量的数据。这样，在市场调研中，K值的价值是：每个用户向朋友发送的邀请数量*收到邀请的人转化为新用户的转化率。在增长理论中，我们知道，当K>1.用户群会像滚雪球一样增加。如果K<如果用户群达到一定规模，就会停止通过自传播增长。2、如何使用K值公式来提高操作效果？因此，当我们需要创造和创新时，如果我们站在目标导向的思维角度，我们需要研究K值本身。过去，我们要么想办法提高朋友的“同意率”，要么增加朋友的邀请数量。现在我们知道这两个指标必须同时考虑。一般来说，在K值的计算中，最后一项，即转化率，有一个平均水平。由于行业的不同，这个平均水平是不同的。例如，在金融领域，由于用户转化涉及实名认证、卡信息等多维信息的填写和收集，转化率相对较低，一般保持在10%到20%左右。所以，你可以理解为什么这个产品让你分享新产品并赢得奖品，为什么你总是把主要目标的数量设置为5到10个。因此，K值相乘大于1，更容易形成积极的良性循环，增加用户的获取。在这个例子中，我们可以看到，一方面，我们对行业数据有充分的估计和判断，了解类似行业的平均指标，以便更好地指导我们的工作。不要想，为什么我不能提高转化率，你当然可以提高，但在操作中，保持整体愿景是非常重要的，我们最好相信概率，相信大数定律。三、利用正态分布，对正态分布和指数分布进行更准确的市场调研，是我们生活中经常遇到的数据模型。例如，电灯的寿命满足指数分布，人群中身高的分布通常满足正常分布等。1733年，德国数学家和天文学家Moivre首次提出了正态分布的概念。幸运的是，我们不必太关心正态分布的历史，只需要了解如何使用它。回忆一下，在你以前的操作中，你是否遇到过类似的情况：用户需要研究一个新的功能，指导产品的迭代和更新；需要调查某种用户，以得出用户偏好的结论。当我们遇到这些问题时，我们可能只是把它当作一个常见的问题，也就是说，我们只是做了一个普通的研究，得到了一般的数据。数据结果似乎总是错误的，但我们不能说。。。事实上，在一个问题上，有多少人需要研究，哪种人需要研究也可以计算。在这种计算中，我们需要使用正态分布的知识。正态分布很简单。让我们回顾一下正态分布的几个基本结论，这将有助于我们进行高效的操作。首先，正态分布实际上是一个概率密度函数（概率密度函数的积分是概率值），数学期望是μ、方差为σ^2的正态分布记为N（μ，σ^2）。不同的正态分布函数有不同的值，但它们都是X左右对称的曲线=μ可以获得的地方σ^2的极大值。好了，知道这些就够了。之后一定要记得数学上有一个正态分布的查询表。我们可以很容易地在网上找到那张表。以后每一个具体的事务都可以做具体的分析。即使不太懂原理，只要有表，也能很快得到准确的结果。如何使用正态分布？让我们看看这个例子：在一次统计中，我们应该调查用户的付费意愿。我们至少应该调查多少用户？这个问题直接显示了正态分布的具体含义。如果是在过去，你可能仍然怀疑如何计算这个问题，但在一个懂数学的运营商手中，这个问题并不复杂，甚至应该说是非常基本的。首先，我们需要考虑现有的条件，这需要我们知道行业的平均水平。一般来说，每次调查都需要5%以内的误差，这是一个平均水平。其次，我们需要知道正态分布的统计公式n=λ ^2*P*(1-P)/d^2。其中，λ  可直接从表中查询，P是概率，d是误差范围。最后，我们需要了解正态分布的基本定律：为了计算至少需要覆盖的样本容量，应根据方差达到最大值的P值进行计算。很明显，当P等于0.5时，P（1-P）值是最大的。因此，可以将其带入公式，n=1.96^2*0.5*(1-0.5)/0.05^2=385。这里的1.96是从表中获得的，即当误差为0.05时(误差为5%，即要求显著水平为0.05)。因此，为了得到我们想要的结果，我们应该调查至少385个用户。让我们试着做一个总结。在市场活动运营规划中，我们可以首先根据正常分布计算用户数量，计算用户支付率（或阅读率等），然后我们需要通过K值，计算我们需要引导用户共享的次数和目标，并设置优先级来指导用户流量，最大的流量激励，对那些可以刺激用户的传播。上一步获得的付费率已成为K值中的转化率，因此我们可以快速确定需要鼓励用户共享的次数。关注行业平均水平，了解一些常见的数学公式，可以让我们对操作有更清晰的认识。现在，更不用说鼓励用户与N个朋友分享XX了，这是拍大腿的决定。N值的大小显然可以计算出来。